基于卷積神經(jīng)網(wǎng)絡(luò)的醬油風(fēng)味物質(zhì)數(shù)據(jù)監(jiān)測(cè)研究

劉永偉

(錦州醫(yī)科大學(xué)附屬第一醫(yī)院，遼寧 錦州 121001)

醬油是一種傳統(tǒng)的調(diào)味品，其滋味品質(zhì)是影響醬油質(zhì)量的關(guān)鍵因素。對(duì)于醬油品質(zhì)鑒別評(píng)價(jià)的方法較少，探究一種新型的醬油品質(zhì)鑒別手段具有重要意義[1-2]。進(jìn)行醬油品質(zhì)鑒別時(shí)，采用一種味覺傳感器系統(tǒng)作為醬油物質(zhì)數(shù)據(jù)的采集設(shè)備，同時(shí)運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)識(shí)別，形成醬油品質(zhì)數(shù)據(jù)，為醬油品質(zhì)鑒別提供了科學(xué)依據(jù)[3-5]。

1 醬油品質(zhì)

通常所說的醬油品質(zhì)指醬油的滋味和香氣，可通過人的味覺和嗅覺進(jìn)行識(shí)別。醬油的滋味主要包含鮮味、咸味、甜味、酸味、苦味。醬油的鮮味來源于醬油原材料中蛋白質(zhì)水解生成的氨基酸，其中谷氨酸的含量最高，形成醬油的獨(dú)特鮮味[6]。醬油中的鮮味肽含有豐富的天冬氨酸，提升醬油的濃厚鮮味。醬油的咸味主要是由釀造時(shí)添加的食鹽帶來，食鹽與醬油中的氨基酸和糖類物質(zhì)進(jìn)行協(xié)調(diào)中和，咸味進(jìn)一步柔和，有效地對(duì)醬油滋味進(jìn)行改善[7-8]。醬油中的甜味主要來自于淀粉中大分子糖的水解、蛋白質(zhì)原料的水解、發(fā)酵過程中脂類物質(zhì)水解和釀造過程添加的蔗糖和其他甜味劑[9]。醬油中的酸味物質(zhì)是發(fā)酵時(shí)生成的有機(jī)酸，有機(jī)酸與其他揮發(fā)性物質(zhì)可有效改善醬油的柔和程度[10]。醬油苦味是由苦味氨基酸形成，另外醬油中的其他無機(jī)鹽也會(huì)產(chǎn)生微弱的苦味，苦味過于明顯，則會(huì)使醬油的整體風(fēng)味下降[11]。醬油的香氣是由發(fā)酵時(shí)的生化反應(yīng)調(diào)控而成，醬油香氣成分含量較弱，但種類多，對(duì)醬油的品質(zhì)影響明顯[12]。

2 醬油品質(zhì)數(shù)據(jù)采集

醬油品質(zhì)數(shù)據(jù)通過一種人工味覺傳感器系統(tǒng)進(jìn)行采集，結(jié)合仿生學(xué)、傳感器技術(shù)以及計(jì)算機(jī)技術(shù)，通過對(duì)人的味覺進(jìn)行模擬，實(shí)現(xiàn)醬油品質(zhì)數(shù)據(jù)的定性分析與定量測(cè)定。味覺傳感器主要包含傳感器陣列、信號(hào)采集傳輸單元以及數(shù)據(jù)識(shí)別單元。味覺傳感器技術(shù)作為一種人工智能檢測(cè)技術(shù)，通過監(jiān)測(cè)物質(zhì)之間的電信號(hào)強(qiáng)度，反映醬油的品質(zhì)[13-14]。味覺傳感器系統(tǒng)組成及功能見圖1。

圖1 味覺傳感器系統(tǒng)組成及功能Fig.1 Composition and function of taste sensor system

醬油品質(zhì)數(shù)據(jù)需在室溫條件下進(jìn)行，采集之前，味覺傳感器系統(tǒng)進(jìn)行自檢及系統(tǒng)數(shù)據(jù)初始化，醬油品質(zhì)數(shù)據(jù)采集流程圖見圖2。

圖2 醬油品質(zhì)數(shù)據(jù)采集流程圖Fig.2 Flow chart of soy sauce quality data collection

對(duì)醬油品質(zhì)數(shù)據(jù)進(jìn)行6次測(cè)量，因各傳感器在測(cè)量前幾次的測(cè)量值變化幅度較大，從第3次測(cè)量開始，數(shù)據(jù)開始趨于平穩(wěn)狀態(tài)，因此分別取6次、前3次、中間3次以及最后3次味覺傳感器系統(tǒng)的輸出均值進(jìn)行分析。味覺傳感器系統(tǒng)6次檢測(cè)數(shù)據(jù)及不同數(shù)據(jù)均值結(jié)果見表1。

表1 味覺傳感器系統(tǒng)檢測(cè)數(shù)據(jù)及均值結(jié)果Table 1 Taste sensor system detection data and mean value results

由表1中均值數(shù)據(jù)可知，后3次味覺數(shù)據(jù)采集的均值相對(duì)穩(wěn)定，偏差較小，因此采用后3次的采集數(shù)據(jù)均值作為醬油品質(zhì)鑒別時(shí)的輸入數(shù)據(jù)。

3 卷積神經(jīng)網(wǎng)絡(luò)品質(zhì)鑒別過程

利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行醬油品質(zhì)的鑒別，鑒別過程中對(duì)醬油品質(zhì)數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)參數(shù)識(shí)別和初始化，并最終在目標(biāo)函數(shù)中進(jìn)行品質(zhì)鑒別[15]。

卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程分為前后兩個(gè)反饋傳播階段，傳播階段進(jìn)行醬油品質(zhì)數(shù)據(jù)的特征提取，并將提取的特征數(shù)據(jù)進(jìn)行等級(jí)鑒別，鑒別過程中進(jìn)行網(wǎng)絡(luò)輸出值和檢測(cè)真實(shí)值之間的偏差分析，并對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整更新。卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過程見圖3。

圖3 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過程Fig.3 Training process of convolution neural network model

建設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型中的輸入樣本集合為(x(i),y(i))，f(x(i)|w,b)，表示醬油品質(zhì)的檢測(cè)數(shù)據(jù)，卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果為，則神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出值與檢測(cè)值之間的偏差可表示為：

其中，W表示每一層卷積神經(jīng)網(wǎng)絡(luò)中的權(quán)重系數(shù)，b表示偏差值，且有：

對(duì)卷積神經(jīng)網(wǎng)絡(luò)偏差值計(jì)算后進(jìn)行迭代，并更新網(wǎng)絡(luò)權(quán)重和偏差，更新后的權(quán)重和偏差值為：

4 醬油品質(zhì)鑒別

利用卷積神經(jīng)網(wǎng)絡(luò)建立醬油品質(zhì)鑒別識(shí)別分析模型，對(duì)味覺傳感器采集到的6種不同味覺數(shù)據(jù)進(jìn)行迭代，調(diào)整權(quán)重與偏差值，得到醬油品質(zhì)中味覺數(shù)據(jù)的相對(duì)標(biāo)準(zhǔn)偏差以及標(biāo)準(zhǔn)誤差[16]。隨機(jī)挑選10種不同品質(zhì)或者不同品牌的醬油進(jìn)行味覺數(shù)據(jù)采集，相對(duì)標(biāo)準(zhǔn)偏差曲線見圖4，標(biāo)準(zhǔn)誤差曲線見圖5。

圖4 醬油不同味覺數(shù)據(jù)相對(duì)標(biāo)準(zhǔn)偏差Fig.4 Relative standard deviation of different taste data of soy sauce

圖5 醬油不同味覺數(shù)據(jù)標(biāo)準(zhǔn)偏差Fig.5 Standard deviation of different taste data of soy sauce

在4種味覺數(shù)據(jù)中，至少有3組相對(duì)標(biāo)準(zhǔn)偏差小于2%時(shí)且標(biāo)準(zhǔn)偏差小于1%時(shí)，醬油品質(zhì)定義為A級(jí)；有2%<相對(duì)標(biāo)準(zhǔn)偏差<3%時(shí)且標(biāo)準(zhǔn)偏差≤3%時(shí)，醬油品質(zhì)定義為B級(jí)；其余參數(shù)定義為C級(jí)。

5 結(jié)論

本文以醬油品質(zhì)鑒別過程為研究對(duì)象，采用味覺傳感器系統(tǒng)進(jìn)行醬油品質(zhì)數(shù)據(jù)采集，利用卷積神經(jīng)網(wǎng)絡(luò)建立醬油品質(zhì)數(shù)據(jù)識(shí)別模型。通過對(duì)10種品質(zhì)不同的醬油進(jìn)行鑒別驗(yàn)證，卷積神經(jīng)網(wǎng)絡(luò)可有效地在醬油品質(zhì)鑒別過程中進(jìn)行應(yīng)用，同時(shí)利用該方式鑒別的醬油品質(zhì)相對(duì)標(biāo)準(zhǔn)差及標(biāo)準(zhǔn)偏差，可用來確定醬油品質(zhì)的不同等級(jí)。